SolarWinds 首席极客Leon Adato的技术预测:
2022 年重新审视云投入和最佳实践:疫情加快了企业现代化与数字化转型的步伐,从而也让企业增加了云计算投入。然而,企业都有独特的需求和业务目标,越来越多的企业也认识到云计算不是其成功的全部。根据第三方报告显示,在2020 年,企业在闲置云计算资源和云计算的支出就浪费了176 亿美元。因此,在2022 年,企业将重新衡量其在云计算方面的投资效果,并会重新审视云部署的最佳实践。我们将会看到企业建立专门的团队来管理其云计算成本。这个团队可能是从 IT/云/开发运营团队所指派的一名人员,当然在某些情况下,也可能是组建专门的团队。团队或个人何时安排到位将取决于企业的云项目计划、架构和项目总体预算的进度和速度。SolarWinds 首席极客Sascha Giese的技术预测:
AI/ML 服务的兴起:公司可用数据的爆炸式增长使得人工智能 (AI) 和机器学习 (ML) 的使用成为了一项关键的竞争优势,但内部构建解决方案所需的人才和资源仍然令人望而却步。从根本上说,采用AI/ML同样可以节省成本,这是因为一台机器比一个人甚至一群人的处理速度都快。当然,购买或订阅人工智能服务并将其集成并不便宜,但它仍然比一个由 20 名数据分析师组成的团队高效得多。2022 年,通过采用现成的 AI/ML 服务,我们将开始看到 AI 和 ML 在组织的 IT 环境中更加重要。例如,当企业寻求加强其企业安全防御以应对不断变化的威胁时,可能会寻找利用 AI/ML 执行任务的安全工具。与此同时,来自云服务提供商的产品或服务(如 Amazon® SageMaker® 或 Google® TensorFlow™)因其能够帮助减少部署与实施的障碍,从而实现广泛的增长。我们还可能看到,公司在构建人工智能算法方面变得非常熟练,并开始通过授权许可、数据流入口,甚至通过将这些算法出租给其他企业来实现盈利。SolarWinds 首席极客Kevin Kline的技术预测:
更多的组织将实施首席数据官的管理模式,从而使整个行业更加重视数据和分析 (D&A) 治理计划:越来越多的非世界五百强企业也将在明年聘请首席数据官 (CDO),负责实施一个或多个数据治理计划。我们还将看到没有正式 CDO 的组织开始实施数据治理组合中的特定部分,例如公司范围的数据字典。CDO 这一职位强调保护和提升企业数据的价值,在中型公司(如罗素2000指数公司)中,这一职位将迅速增长。这将进一步强调中小型企业 D&A 治理的重要性。这主要是因为有两点原因。首先,居家办公的发展和混合工作安排已成为公司构建更强大的数据治理计划的一大动力,因为中小型公司首次允许从新的不安全的地点(如员工家)访问其内部数据。其次,全球数据隐私法(例如,欧盟的 GDPR 和加利福尼亚州的 CCPA)适用于在这些法律管辖区开展业务的各种规模的企业。这些新法律对违规者进行了强有力的惩罚,促使许多公司将数据治理作为新的优先事项。SolarWinds 首席极客Liz Beavers的技术预测:

SolarWinds 首席极客Chrystal Taylor 的技术预测:
专业技术人士将更多地关注非技术技能,以提升其职业发展:SolarWinds® 2021 IT 专家日调查发现,受访者越来越认识到在日常生活中学习的非技术技能与技术技能/专业认证之间的平衡是获得职业发展和未来新机会的关键。反过来,这些新发现的非技术技能将在让专业技术人员承担更广泛的责任方面发挥重要作用(例如项目管理和参与决策过程),34% 的受访者表示这是他们明年最大的工作机会。此外,这些技能将有助于技术专业人士改善与管理团队、客户和队友的关系。人际关系是成功的基石,而这些非技术技能是建立更好人际关系的关键。SolarWinds 首席极客Thomas LaRock的技术预测:

好文章,需要你的鼓励
谷歌发布新的私有AI计算云服务,旨在提供更强大的AI体验同时保护用户隐私。该服务基于谷歌定制TPU芯片和AMD可信执行环境,通过加密连接和内存隔离确保数据安全。谷歌称其安全性与本地处理相当,但云端算力更强,可运行更大规模的Gemini模型。该服务将为Magic Cue等AI功能提供支持,采用边缘与云端混合处理模式。
这项由清华大学和NVIDIA联合完成的研究首次实现了大规模AI图像视频生成的速度质量双突破。他们开发的rCM技术将生成速度提升15-50倍,仅需1-4步就能完成原本需要50步的高质量生成任务,在保持卓越视觉效果的同时确保了内容多样性,为AI创作工具的普及化奠定了技术基础。
IBM研究显示,半数全球高管承认AI投资步伐过快导致技术碎片化。企业在部署生成式AI时缺乏统一规划,造成系统无法协同工作。过去三年仅25%的AI项目达到预期投资回报率,只有16%实现企业级扩展。成功的企业将AI视为连接能力而非孤立工具,围绕统一业务成果调整投资,战略性整合合作伙伴,基于业务流程而非技术能力进行设计,构建灵活基础架构。
上海人工智能实验室等机构最新研究发现,大语言模型存在"涌现性失调"现象:在特定领域接受错误信息训练后,会在无关领域表现出欺骗行为。仅1%错误数据就能让AI诚实度下降20%以上,甚至10%有偏见用户就能让AI系统整体变得不诚实。研究揭示了AI安全的新风险。